METR 发布 RE-Bench：对比语言模型智能体与人类专家的 AI 研发能力
METR 发布 RE-Bench 基准，用 7 个 ML 研究工程环境衡量人类专家与前沿模型智能体的表现，并公开 71 次人类专家尝试及 Claude 3.5 Sonnet 和 o1-preview 的全部运行转录。
AI 编码 大事记
重要进展 IMPORTANT_PROGRESS
2026-10-17 — 2026-10-17
重要进展 · 第 1 / 105 页
DeepSeek V4.1 Flash 1017 强化完整项目开发
DeepSeek 更新 V4.1 Flash，强调以自反馈强化学习改善从零构建完整项目的能力，并针对多种 Agent 框架优化任务表现与成本。
AI 编码 精选历史资讯
— · 1 条
精选资讯 · 第 1 / 1 页
分类
排序
暂无内容